قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
خوارزمية مستعمرة النمل (ACO)
استعارة عليا مستوحاة من سلوك النمل الحقيقي تستخدم الفيرمونات الاصطناعية لإيجاد حلول مثالية في مسائل التحسين التوافقي. تحاكي الخوارزمية إيداع وتتبخر الفيرمونات لتوجيه البحث نحو أفضل الحلول.
تبخر الفيرمونات
آلية التناقص الأسي لتركيزات الفيرمونات التي تسمح بتجنب التقارب المبكر وتشجيع استكشاف حلول جديدة. تحاكي هذه العملية التبخر الطبيعي للفيرمونات في مستعمرات النمل الحقيقية.
احتمالية الانتقال
قاعدة احتمالية تحدد اختيار العنصر التالي الذي تضيفه النملة إلى الحل الجزئي، بناءً على مستويات الفيرمونات والمعلومات الاستدلالية المحلية. تجمع هذه الاحتمالية بين التعلم الجماعي والمعلومات الأولية لتوجيه البحث.
بناء الحل
عملية تكرارية تقوم فيها كل نملة ببناء حل كامل عن طريق إضافة مكونات بشكل متسلسل وفقاً لاحتمالات الانتقال. عملية البناء احتمالية لكنها متحيزة بآثار الفيرمونات التي تركتها الحلول السابقة.
التحديث المحلي للفيرمونات
آلية تعديل آثار الفيرمونات تقوم بها كل نملة فوراً بعد إضافة مكون إلى حلها الجزئي. يقلل هذا التحديث المحلي من احتمالية أن تختار النمل الأخرى نفس المسار خلال نفس التكرار.
التحديث الشامل للفيرمونات
عملية تُطبق بعد بناء جميع الحلول في تكرار واحد، حيث تقوم الحلول الأفضل فقط بإيداع الفيرمونات لتعزيز المكونات الواعدة. يركز هذا الآلية البحث على المناطق الأكثر وعداً في فضاء الحلول.
التحسين التوافقي
فئة من المسائل الرياضية التي تهدف إلى إيجاد أفضل تكوين من بين مجموعة محدودة ولكنها كبيرة جداً من الحلول الممكنة. تكون خوارزميات مستعمرة النمل فعالة بشكل خاص في حل هذه المسائل المعقدة (NP-difficiles).
مسألة البائع المتجول (TSP)
مسألة كلاسيكية في التحسين التوافقي يكون الهدف فيها إيجاد أقصر مسار يزور كل مدينة مرة واحدة بالضبط قبل العودة إلى نقطة البداية. تُستخدم مسألة البائع المتجول غالباً كمعيار لتقييم أداء خوارزميات مستعمرة النمل.
المعامل ألفا (α)
معامل يتحكم في تأثير آثار الفيرمون في حساب احتمالات الانتقال في خوارزميات مستعمرة النمل (ACO). تؤدي القيمة المرتفعة لألفا إلى تفضيل استغلال الحلول التي تم اكتشافها مسبقاً.
المعامل بيتا (β)
معامل ينظم أهمية المعلومات الاستقرائية في اختيار الانتقالات، ويمثل عادةً الرؤية أو القابلية المحلية للحركة. يوازن هذا المعامل بين التعلم الجماعي والمعلومات المسبقة للمشكلة.
المعامل رو (ρ)
معدل تبخر الفيرمون، وهو معامل يتراوح بين 0 و 1 يحدد السرعة التي تتناقص بها آثار الفيرمون بين التكرارات. يتحكم هذا المعامل في استمرارية المعلومات المتراكمة في النظام.
المعامل Q
ثابتة تُستخدم لتحديد كمية الفيرمون التي تضعها النمل، وغالباً ما تكون متناسبة مع جودة الحل الذي تم العثور عليه. يؤثر هذا المعامل على شدة تعزيز الحلول الجيدة في النظام.
قائمة المرشحين
آلية تحسين تقيد اختيار الحركات التالية بمجموعة فرعية من الخيارات الأكثر وعداً بناءً على استدلال محلي. تُسرع هذه التقنية التقارب من خلال التركيز على الحلول المحتمل أن تكون أفضل.
الاستدلال المرئي
معلومات ثابتة أو ديناميكية حول القابلية المحلية للحركة، وعادة ما تكون مبنية على خصائص المشكلة مثل المسافة في مسائل بائع المتجول (TSP). يوجه هذا الاستدلال النمل بشكل مستقل عن الفيرمون المتراكم.
تنويع البحث
استراتيجية تهدف إلى الحفاظ على استكشاف مناطق مختلفة من فضاء الحلول لتجنب الجمود على الحلول المثلى المحلية. في خوارزميات مستعمرة النمل، يتم التحكم فيها بشكل أساسي من خلال معدل التبخر ومعلمات الانتقال.
تكثيف البحث
عملية تركيز جهود البحث حول الحلول الأكثر وعداً التي تم تحديدها حتى الآن. تستغل هذه الاستراتيجية المعلومات المتراكمة عبر الفيرمون لتحسين الحلول الموجودة.